QUB-Cirdan at ‘Discharge Me!’: Zero shot discharge letter generation by open-source LLM

要約

BioNLP ACL’24 の退院文書の合理化に関する共有タスクは、患者の退院レターの重要なセクションの作成を自動化することで、臨床医の管理負担を軽減することを目的としています。
このペーパーでは、Llama3 8B 量子化モデルを使用して「病院の簡単なコース」セクションと「退院指示」セクションを生成するアプローチを紹介します。
当社では、ゼロショット手法と検索拡張生成 (RAG) を組み合わせて、簡潔で文脈に沿った正確な要約を生成します。
私たちの貢献には、信頼性と一貫性を確保するための精選されたテンプレートベースのアプローチの開発や、単語数予測のための RAG の統合が含まれます。
また、競争に勝つための経路についての洞察を提供するために、いくつかの失敗した実験についても説明します。
私たちの結果は、私たちのアプローチの有効性と効率性を示しており、複数の評価指標にわたって高いスコアを達成しています。

要約(オリジナル)

The BioNLP ACL’24 Shared Task on Streamlining Discharge Documentation aims to reduce the administrative burden on clinicians by automating the creation of critical sections of patient discharge letters. This paper presents our approach using the Llama3 8B quantized model to generate the ‘Brief Hospital Course’ and ‘Discharge Instructions’ sections. We employ a zero-shot method combined with Retrieval-Augmented Generation (RAG) to produce concise, contextually accurate summaries. Our contributions include the development of a curated template-based approach to ensure reliability and consistency, as well as the integration of RAG for word count prediction. We also describe several unsuccessful experiments to provide insights into our pathway for the competition. Our results demonstrate the effectiveness and efficiency of our approach, achieving high scores across multiple evaluation metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google